目标检测之ROI-Pooling与ROI-Align的异同

以下是本人对ROI-Pooling与ROI-Align异同的理解，如若有误，欢迎大家留言纠正。

一、ROI-Pooling与ROI-Align的异同

• 在Faster RCNN中，步骤二和步骤三要经过量化处理，来对齐特征图坐标。每经过一次量化，就会造成原图目标的像素丢失
• 在特征图中，只有整数坐标的位置会有特征值，而浮点坐标没有对应特征值，所以需要向下取整，对齐特征图
• 上图中，每一个小方格有两层含义：1、特征的坐标；2、表示的特征值

• 在Mask RCNN中，步骤二和步骤三不做量化处理，保留浮点数坐标位置不变，经过双线性插值为浮点坐标匹配特征值。
• 在特征图中，整数坐标和浮点坐标的位置都会有特征值，而浮点坐标的特征值需要通过整数坐标的特征值做双线性插值处理
• 上图中，每一个小方格有两层含义：1、特征的坐标；2、表示的特征值

二、参考资料

1、目标检测之R-CNN系列
2、Fast R-CNN中的边框回归
3、目标检测之YOLO V1
3、目标检测之YOLO V2 V3
4、目标检测 1 ： 目标检测中的Anchor详解
5、回归损失函数1：L1 loss, L2 loss以及Smooth L1 Loss的对比
6、回归损失函数2 ： HUber loss,Log Cosh Loss,以及 Quantile Loss
7、一文搞懂交叉熵损失
8、ROI-Align 原理理解